這項研究提出了一種新型的文本基礎超聲模擬控制系統，旨在簡化使用者體驗並縮短配置時間。透過大型語言模型（LLM）和地面人工智慧（AI）技術，系統將SimNDT的功能模組化，讓使用者能用自然語言下指令。報導指出，這項創新能將模擬設置時間縮短約75%。此外，結合自我檢查和多個LLM代理的協作，顯著降低了場景生成的錯誤率，從23.89%降至1.48%。整體而言，這種方法展示了AI在提升模擬系統效率和可靠性方面的潛力，特別適用於快速變化的數位雙胞胎系統。 相關文章 PubMed DOI 推理 ♡

這篇論文探討大型語言模型（LLMs）中的社會偏見問題，提出一個新框架，將偏見檢測視為假設檢驗。虛無假設表示沒有隱性偏見，並使用二元選擇問題來評估開源和專有LLMs的偏見。研究涵蓋ChatGPT、DeepSeek-V3和Llama-3.1-70B等模型，使用的數據集包括BBQ和CrowS-Pairs。結果顯示，貝葉斯因子能更有效地量化偏見，並且LLMs在英法數據集中的偏見行為通常一致，微小變異可能源於文化差異。 相關文章 PubMed DOI 推理 ♡

這項研究評估了一個保護隱私的大型語言模型（LLM）在比對MRI報告的發現及追蹤變化的有效性。研究分為兩個階段：首先，LLM比對後續報告與先前報告的發現；其次，評估這些發現的變化。使用的數據集包含240份身體MRI報告和134份無對比劑的胸部CT報告。TenyxChat-7B LLM在七個模型中表現最佳，內部數據集F1分數達85.4%，外部數據集為81.8%。結果顯示，該模型能有效協助結構化報告，改善醫師之間的溝通。 相關文章 PubMed DOI 推理 ♡

這項研究探討心血管韌性對運動員健康和表現的影響，並利用自然語言處理（NLP）和大型語言模型（LLMs）進行生物醫學診斷。研究針對心電圖和臨床記錄等數據集的挑戰，提出了一個混合機器學習框架，結合狼群搜索演算法和RoBERTa模型，提升心血管疾病預測準確性。該系統達到92.5%的準確率，顯示NLP技術在個人化醫療中的潛力，能優化心臟病患者的治療，並改善早期疾病檢測和臨床決策能力。 相關文章 PubMed DOI 推理 ♡

乳癌重建在癌症治療中扮演重要角色，通常與手術同時進行以促進病人恢復。本研究提出一個新框架，利用自然語言處理（NLP）和大型語言模型（LLMs），增強病人的恢復預測。透過BioBERT進行數據處理，並使用ChatGPT-4和Gemini提供個性化的重建成功率和併發症見解。研究顯示，這些模型的準確率高達98.4%和98.7%，並能有效預測術後情況，提升病人生活品質。這項技術結合了計算與生命科學，為臨床醫生提供強大工具。 相關文章 PubMed DOI 推理 ♡

這項研究評估了基於ChatGPT的數位輔導對新診斷癌症患者在化療過程中減少焦慮和憂鬱的效果。研究於2024年進行，160名參與者被隨機分為兩組：一組接受ChatGPT輔導，另一組接受傳統醫師教育。結果顯示，ChatGPT組的焦慮和憂鬱分數顯著低於對照組，顯示心理困擾有明顯減少。AI生成的回應在88.5%的案例中被認為適當，但在某些建議上仍有不準確之處。這表明AI工具能有效輔助傳統腫瘤學教育，但仍需進一步研究以優化其臨床應用。 相關文章 PubMed DOI 推理 ♡

多重用藥在老年人中很常見，可能引發不良事件如跌倒。減藥能降低這些風險，但在急診環境中實施面臨挑戰。本研究評估了一個大型語言模型（LLM）管道，利用三組標準來找出急診老年患者的減藥機會。結果顯示，LLM在篩選減藥標準上表現優於醫學生，但在提出具體建議時效果不佳。研究強調需更清晰的減藥指導及改善AI與臨床醫師的整合。 相關文章 PubMed DOI 推理 ♡

Reg2RG框架針對CT報告生成的挑戰，專注於特定解剖區域，提升診斷性能。它利用通用分割模組的遮罩捕捉局部特徵，並引入局部特徵解耦（LFD）策略，以低計算成本保持高解析度。框架還實施區域報告對齊（RRA）訓練策略，透過識別參考區域來生成更具可解釋性的報告。大型語言模型（LLM）用作解碼器，從視覺特徵生成報告。實驗結果顯示，Reg2RG在自然語言生成和臨床效能上超越多種先進方法，且代碼已在GitHub公開。 相關文章 PubMed DOI 推理 ♡

大型語言模型（LLMs）雖然受到廣泛關注，但其潛在的濫用風險也令人擔憂，特別是越獄提示（jailbreak prompts）這類攻擊。雖然LLMs會定期更新安全措施，但惡意用戶常隱藏成功的提示，讓識別漏洞變得困難。為了解決這個問題，我們提出了JailbreakHunter，一個視覺分析工具，能夠識別對話數據中的越獄提示。它包含三個分析層級，幫助用戶了解對話分佈、追蹤進展及探索提示的相似性，顯示出增強LLM互動中越獄提示檢測的潛力。 相關文章 PubMed DOI 推理 ♡

這項研究專注於鮮味肽，透過蛋白質語言模型分析其特性。研究人員收集了 IC₅₀ 和 <i>K</i>_d 數據，建立預測蛋白質-肽親和力的模型，並檢視鮮味肽與味覺受體的關係。結果顯示，鮮味肽對鮮味受體的親和力較強，但對苦味受體則無顯著差異。研究編制了972種鮮味肽和608種非鮮味肽的數據集，並開發出準確率達82%的預測模型，還創建了使用者友好的網站UmamiMeta，成為鮮味肽分析的資源。 相關文章 PubMed DOI 推理 ♡